Alexandria-Research-Preview-150m
компактная модель автодополнения кода с кэшированием чанков
2 min readupdated
Исследовательский прототип модели на 142M параметров для автодополнения кода на Python и JavaScript/TypeScript в стиле Supermaven, созданный с нуля автором zoeissleeping. В отличие от привычных авторегрессионных LLM, модель разбивает код на чанки (фрагменты) по 128–512 токенов и пропускает их через независимый энкодер, что позволяет кэшировать состояния неизменённых участков и пересчитывать только отредактированный фрагмент. Это ранняя исследовательская версия: она демонстрирует архитектуру для локального автодополнения, но пока не готова к полноценной работе в редакторе кода без доработки постобработки. Будет интересна разработчикам AI-инструментов для IDE и исследователям нестандартных компактных архитектур.
Ключевые особенности
- Кастомная архитектура (142.3M параметров): 7 слоёв энкодера и 7 слоёв декодера, внимание с QK-norm, ReLU² MLP и общий словарь на 32 768 токенов, где символ переноса строки включает последующие отступы.
- Инкрементальное кэширование: благодаря разбиению кода на чанки при правке файла нужно пересчитать только изменённый блок, а декодер видит контекст до курсора и фрагменты после него.
- Обучение с нуля на 11.28B токенов: корпус собран из репозиториев GitHub и StarCoderData (54% JS/TS, 42% Python, 6% HTML+CSS), причём в открытом манифесте зафиксирован каждый включённый и отброшенный файл.
- Известные ограничения превью: модель не умеет сама останавливать генерацию (вывод нужно обрезать по первой строке), плохо реагирует на пробел в конце префикса без token healing и не поддерживает чат.
Что можно сделать
- Изучить однофайловую реализацию
model.pyи протестировать механизм кэширования чанков на длинном контексте до 65 536 токенов. - Поэкспериментировать с доработкой инференса: добавить обрезку по концу строки и token healing для корректной работы при вводе пробелов.
- Использовать открытый датасет-манифест для воспроизведения фильтрации кодового корпуса на базе Stack-Edu и StarCoderData.
Пример
import torch
from tokenizers import Tokenizer
from huggingface_hub import snapshot_download
directory = snapshot_download("zoeissleeping/Alexandria-Research-Preview-150m")
import sys; sys.path.insert(0, directory)
from model import Alexandria, complete
tokenizer = Tokenizer.from_file(f"{directory}/tokenizer.json")
model = Alexandria.from_pretrained(directory, device="cuda" if torch.cuda.is_available() else "cpu")
prefix = "def debounce(fn, wait):\n "
text = complete(model, tokenizer, prefix, path="utils.py", max_chars=200)
print(text.split("\n")[0])Подробнее
Бенчмарк Lacuna (dev, 227 кейсов): 15.4% точного совпадения первой строки в режиме prefix-only (против 10.6% у Qwen2.5-Coder-0.5B в том же режиме).Lacuna Lite: 100% на скобках и копировании, 72.5% на идиомах, 70.8% на семантике и 22.5% на кросс-файловом контексте.
Технические детали: модель не поддерживается библиотекой
transformers и запускается через встроенный model.py; веса хранятся в fp32 (на GPU активации идут в bf16), лицензия — OpenMDW-1.0.









Comments